AI-For-Beginners/translations/km/lessons/4-ComputerVision/11-ObjectDetection

ការរកឃើញវត្ថុ

ម៉ូដែលចាត់ថ្នាក់រូបភាព ដែលយើងបានប្រើរហូតមកដល់ឡើយ បានយករូបភាពមួយ ហើយបង្កើតលទ្ធផលជាក្រុមវិនិច្ឆ័យមួយ ដូចជា ចំណាត់ថ្នាក់ 'លេខ' ក្នុងបញ្ហា MNIST។ ទោះបីជាយ៉ាងណាក៏ដោយ នៅក្នុងករណីជាច្រើន យើងមិនត្រឹមតែចង់ដឹងថារូបភាព នោះបង្ហាញវត្ថុទេ - យើងចង់អាចកំណត់ទីតាំងពេញលេញរបស់វា។ នេះគឺជាចំណុចដ៏សំខាន់នៃ ការរកឃើញវត្ថុ។

សំណួរមុខបង្ហាត់

រូបពី គេហទំព័រ YOLO v2

វិធីសាស្រ្តសាមញ្ញសម្រាប់ការរកឃើញវត្ថុ

ហ្មត់ដើម្បីស្វែងរកចម្លែកនៅលើរូបភាពមួយ វិធីសាស្រ្តសាមញ្ញសម្រាប់ការរកឃើញវត្ថុអាចមានដូចខាងក្រោម៖

1. បំបែករូបភាពទៅជាចំនួនផ្ទៃតូចៗ
2. ប្រតិបត្តិចាត់ថ្នាក់រូបភាពលើផ្ទៃតូចនីមួយៗ។
3. ផ្ទៃតូចដែលបង្កើតអាស៊ីវ២០១យស័គ្នាថាប់ខ្ពស់គួរត្រូវបានគិតថាមានវត្ថុដែលត្រូវបានស្នើសុំ។

រូបពី សៀវភៅកិច្ចវាយតម្លៃ

ទោះជាក៏ដោយ វិធីសាស្រ្តនេះមិនមែនល្អទេ ព្រោះវាគ្រាន់តែអនុញ្ញាតឲ្យកម្មវិធីកំណត់ប្រអប់ដែកដោះថ្លៃរបស់វត្ថុបានយ៉ាងមិនច្បាស់លាស់។ សម្រាប់ទីតាំងពិតប្រាកដជាងនេះ យើងត្រូវបើកការប៉ាន់ស្មានចំនួន ចុះបញ្ជាក់ ដើម្បីទាយទ្រង់ទ្រាយនៃប្រអប់ដែកដោះថ្លៃ - ហើយសម្រាប់វា យើងត្រូវការបណ្ដុំទិន្នន័យជាក់លាក់។

ការចុះបញ្ជាក់សម្រាប់ការរកឃើញវត្ថុ

បទបង្ហាញនេះ មានការណែនាំយ៉ាងល្អបំព្រងសម្រាប់រកឃើញរាងកាយ។

ឯកសារទិន្នន័យសម្រាប់ការរកឃើញវត្ថុ

អ្នកប្រហែលជាគួរបានជួបប្រទៈឯកសារទិន្នន័យដូចខាងក្រោមសម្រាប់ការងារនេះ៖

• PASCAL VOC - 20 ចំណាត់ថ្នាក់
• COCO - វត្ថុទូទៅនៅក្នុងបរិបទ។ មាន 80 ចំណាត់ថ្នាក់ ប្រអប់ដែកដោះថ្លៃ និងម៉ាសបំបែក

គោលដៅសម្រាប់ការរកឃើញវត្ថុ

ការបន្តិតគ្នានៃការចូលគ្នា

ពេលសម្រាប់ចាត់ថ្នាក់រូបភាព វាប្រសើរងាយស្រួលវាស់ថាតើកម្មវិធីបញ្ចប់ល្អទេ ក្រោយមកសម្រាប់ការរកឃើញវត្ថុ យើងត្រូវវាស់ទាំងត្រឹមត្រូវនៃចំណាត់ថ្នាក់ ក៏ដូចជាការច្បាស់លាស់នៃទីតាំងប្រអប់ដែកដោះថ្លៃ។ សម្រាប់ចំណុចចុងក្រោយនេះ យើងប្រើអ្វីដែលហៅថា ការបន្តិតគ្នានៃការចូលគ្នា (IoU), ដែលវាស់ថាតើប្រអប់ពីរឬផ្ទៃពីរប្រហែលគ្នាពីរប៉ុណ្ណា។

រូប 2 ពី បទបង្ហាញល្អឥតខ្ចោះលើ IoU

គំនិតគឺងាយៗ - យើងចែកផ្ទៃនៃការបន្តិតគ្នារវាងរូបរាងពីរដោយផ្ទៃនៃសមាសធាតុរបស់ពួកវា។ សម្រាប់ផ្ទៃដូចគ្នា ពិតប្រាកដថា IoU នឹងស្មើ 1 ខណៈដែលសម្រាប់ផ្ទៃមិនរំលោភគ្នា យ៉ាងស្រឡះវានឹងស្មើ 0។ គ្រាន់តែវានឹងប្រែប្រួលពី 0 ទៅ 1។ យើងធម្មតាទៅគិតលទ្ធផលតែប្រអប់ដែកដែលមាន IoU មួយលើសតម្លៃណាមួយ។

Precision ធៀបមធ្យម

សន្មតថា យើងចង់វាស់ថាសម្គាល់បានល្អប៉ុណ្ណាដល់ចំណាត់ថ្នាក់វត្ថុមួយ C។ ដើម្បីវាស់វា យើងប្រើគោលដៅ Precision ធៀបមធ្យម ដែលគណនាដូចខាងក្រោម៖

1. គិតតួតម្លៃ Precision-Recall ដែលបង្ហាញភាពត្រឹមត្រូវដោយផ្អែកលើតម្លៃសម្ងាត់នៃការរកឃើញ (ពី 0 ទៅ 1)។
2. ភាពយោងទៅលើកម្រិតសម្ងាត់ យើងនឹងទទួលបានចំនួនវត្ថុគ្រប់គ្រាន់ ឬទាបក្នុងរូបភាព មិនដូចគ្នានៃតម្លៃ precision និង recall។
3. កោងនឹងដូចនេះ៖

រូបពី NeuroWorkshop

Precision ធៀបមធ្យមសម្រាប់ចំណាត់ថ្នាក់មួយ C គឺជាផ្ទៃក្រោមកោងនេះ។ យ៉ាងច្បាស់លាស់, ឈានចុះមាត្រដ្ឋាន Recall ត្រូវបានចែកជាមូលដ្ឋាន 10 និង Precision ត្រូវបានគណនារួមលើចំណុចទាំងនោះ៖

AP = {1\over11}\sum_{i=0}^{10}\mbox{Precision}(\mbox{Recall}={i\over10})

AP និង IoU

យើងនឹងគិតតែវត្ថុដែលបានរកឃើញ ដែល IoU មានតម្លៃលើសចំណុចណាមួយ។ ឧទាហរណ៍ នៅក្នុង PASCAL VOC dataset មានការអនុម័តថា \mbox{IoU Threshold} = 0.5, ខណៈនៅក្នុង COCO AP ត្រូវបានវាស់សម្រាប់តម្លៃ \mbox{IoU Threshold} ប្រែប្រួល។

រូបពី NeuroWorkshop

Precision ធៀបមធ្យមមធ្យម - mAP

គោលដៅសំខាន់សម្រាប់ការរកឃើញវត្ថុ ហៅថា Precision ធៀបមធ្យមមធ្យម ឬ mAP។ វាជាតម្លៃ Precision ធៀបមធ្យម មធ្យមបង្ហាញច្រេសចេញពីចំណាត់ថ្នាក់ទាំងអស់របស់វត្ថុ ហើយពេលខ្លះផងដែរតាម \mbox{IoU Threshold}។ ក្នុងសេចក្ដីលម្អិត ការគណនា mAP ត្រូវបានពិពណ៌នានៅ ក្នុងបទបង្ហាញនេះ), និង នៅទីនេះជាមួយឧទាហរណ៍កូដ។

វិធីសាស្រ្តផ្សេងៗសម្រាប់ការរកឃើញវត្ថុ

មានឈ្នះទាំងពីរប្រភេទធំសំខាន់នៃវីធីសាស្រ្តរកឃើញវត្ថុ៖

• Region Proposal Networks (R-CNN, Fast R-CNN, Faster R-CNN)។ គំនិតសំខាន់គឺបង្កើត តំបន់ចំណាប់អារម្មណ៍ (ROI) ហើយបើក CNN លើពួកវា ដើម្បីស្វែងរកការបញ្ចេញអតិបរមា។ វាដូចជាវិធីសាស្រ្តសាមញ្ញ បើទេថា ROI ត្រូវបានបង្កើតដោយវិធីសាស្រ្តខ្ពស់ជាង។ ខុសត្រូវធំមួយនៃវិធីសាស្រ្តដូចនេះ គឺពួកវាដំណើរការជាអាចយឺត ព្រោះយើងត្រូវការបង្ហោះ CNN ម៉ូដែលជាច្រើនលើរូបភាព។
• វិធីសាស្រ្ត មួយដំណើរ (YOLO, SSD, RetinaNet)។ នៅក្នុងស្ថាបត្យកម្មទាំងនេះ យើងរចនាបណ្ដាញឲ្យទាយក្លៈនិង ROI ទាំងពីរនៅក្នុងមួយដំណើរ។

R-CNN: Region-Based CNN

R-CNN ប្រើ Selective Search ដើម្បីបង្កើតរចនាសម្ព័ន្ធជាស្រទាប់នៃតំបន់ ROI ដែលបន្ទាប់មកត្រូវបានបញ្ជូនតាមរយៈ CNN feature extractors និង SVM-classifiers ដើម្បីកំណត់ចំណាត់ថ្នាក់វត្ថុ ហើយក៏ប្រើការចុះបញ្ជាក់ស៊ុមខ្សែដើម្បីកំណត់ ទ្រង់ទ្រាយប្រអប់ដែកដោះថ្លៃ ។ អត្ថបទផ្លូវការជាភាសាអង់គ្លេស

រូបពី van de Sande et al. ICCV’11

រូបភាពពី បទបង្ហាញនេះ

F-RCNN - Fast R-CNN

វិធីសាស្រ្តនេះស្រដៀងនឹង R-CNN ប៉ុន្តែតំបន់ ត្រូវបានកំណត់ក្រោយពីស្រទាប់កំណត់បង្រួមត្រូវបានអនុវត្ត។

រូបពី អត្ថបទផ្លូវការ, arXiv, 2015

Faster R-CNN

គំនិតសំខាន់នៃវិធីសាស្រ្តនេះ គឺប្រើបណ្តាញសរសៃប្រព័ន្ធសរសៃប្រព័ន្ធក្នុងការទាយ ROI - ហៅថា Region Proposal Network។ អត្ថបទ, 2016

រូបពី អត្ថបទផ្លូវការ

R-FCN: Region-Based Fully Convolutional Network

អាល់គ្រុិធីមនេះលឿនជាង Faster R-CNN ផងដែរ។ គំនិតសំខាន់មានដូចខាងក្រោម៖

1. យើងដកលក្ខណៈប្រើ ResNet-101
2. លក្ខណៈត្រូវបានកែប្រែដោយ Position-Sensitive Score Map។ គ្រប់វត្ថុពីចំណាត់ថ្នាក់ C ត្រូវបានបែងចែកជាតំបន់ k\times k, ហើយយើងបណ្តុះដើម្បីទាយផ្នែកនៃវត្ថុ។
3. សម្រាប់មួយផ្នែកពីតំបន់ k\times k បណ្ដាញទាំងមូលបោះឆ្នោតសម្រាប់ចំណាត់ថ្នាក់វត្ថុ ហើយចំណាត់ថ្នាក់វត្ថុដែលមានការបោះឆ្នោតអតិបរមាត្រូវបានជ្រើស។

រូបពី អត្ថបទផ្លូវការ

YOLO - You Only Look Once

YOLO គឺជាអាល់គ្រុិធីមមួយដំណើរដំណើរការនៅពេលជាក់ស្តែង។ គំនិតសំខាន់បានដូចខាងក្រោម៖

• រូបភាពត្រូវបានបំបែកទៅជាតំបន់ S\times S
• សម្រាប់តំបន់នីមួយៗ CNN ទាយ n វត្ថុដែលអាចមាន, រង្វង់ប្រអប់ដែកដោះថ្លៃ និង ជំនឿជោះ=ប្រហែល * IoU

រូបពី អត្ថបទផ្លូវការ

អាល់គ្រុិធីមផ្សេងទៀត

• RetinaNet: អត្ថបទផ្លូវការ
  • ការអនុវត្ត PyTorch នៅក្នុង Torchvision
  • ការអនុវត្ត Keras
  • ការរកឃើញវត្ថុជាមួយ RetinaNet ក្នុងនំៀងគំរូ Keras
• SSD (Single Shot Detector): អត្ថបទផ្លូវការ

✍️ វិជ្ជាសកម្ម៖ ការរកឃើញវត្ថុ

បន្តការសិក្សារបស់អ្នកនៅក្នុងកំណត់ហេតុបន្ទាប់៖

ObjectDetection.ipynb

សញ្ញាប្រុងប្រយ័ត្ន

នៅក្នុងមេរៀននេះ អ្នកបានធ្វើដំណើរយ៉ាងឆាប់រហ័សលើវិធីសាស្រ្តផ្សេងៗទាំងស្រុងដែលអាចរកឃើញវត្ថុបាន!

🚀 챌린지

អានអត្ថបទ និងកំណត់ហេតុនេះអំពី YOLO ហើយសាកល្បងវាជាមួយខ្លួនអ្នកផ្ទាល់

• អត្ថបទល្អ ពិពណ៌នាអំពី YOLO
• គេហទំព័រផ្លូវការ
• Yolo: អនុវត្ត Keras, កំណត់ហេតុចំណាត់ថ្នាក់ជាជំហាន
• Yolo v2: អនុវត្ត Keras, កំណត់ហេតុចំណាត់ថ្នាក់ជាជំហាន

សំណួរផុតមុខបង្ហាត់

សង្ខេប & សិក្សាផ្ទាល់ខ្លួន

• ការរកឃើញវត្ថុ ដោយ Nikhil Sardana
• ការប្រៀបធៀបល្អនៃអាល់គ្រិទឹមរកឃើញវត្ថុ
• ការត្រួតពិនិត្យអាល់គ្រីទឹមរៅជ្រៅសម្រាប់ការរកឃើញវត្ថុ
• ការណែនាំជាជំហានទៅអាល់គ្រីទឹមរកឃើញវត្ថុមូលដ្ឋាន
• ការអនុវត្ត Faster R-CNN ក្នុង Python សម្រាប់ការរកឃើញវត្ថុ

កិច្ចការផ្ទះ៖ ការរកឃើញវត្ថុ

---

ការបដិសេធ៖
ឯកសារនេះបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI Co-op Translator។ ខណៈពេលដែលយើងខិតខំស្វែងរកភាពត្រឹមត្រូវ សូមយល់ព្រមថាការបកប្រែអotomatically អាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមនៅភាសាទីសាស្ត្រគួរត្រូវបានគេយកទៅជាអ្នកប្រើប្រាស់អំណាច។ សម្រាប់ព័ត៌មានសំខាន់ៗ សូមណែនាំឱ្យប្រើការបកប្រែដោយអ្នកជំនាញមនុស្ស។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែវែកញែកណាមួយដែលកើតឡើងដោយការប្រើប្រាស់ការបកប្រែនេះឡើយ។